淘宝商家端AI产品面经

手撕：MHA 自我介绍+项目提问约30分钟 涉及八股： Sft的损失函数怎样计算 grpo相对于ppo的改进 grpo的缺点以及改进算法 介绍几种并行训练方式(tp.pp等)哪一种最常用 训练的前向和后向过程中有哪些中间值是fp32,哪些是fp16 场景题： 一个2b的小模型，要想提高其在运算方面的数学能力，怎么设计训练方式？

1.给你一个工作日午高峰(11:30-13:30)“简餐/卤味”品类在三所高校+两座写字楼簇的片区，现状是成团率不稳、配送TP99偏高。请设计**“品类xLBS密度x成团等待窗”的一体化策略:目标分区、成团人数阈值(2/3/4人)、等待窗长度、对商家侧SKU/价格带的要求与招商节奏，2.在商家一口价结算机制下，为“快餐·15-25元价带”设计品类P&L框架:含商家到手价、平台补贴、营销投放、配送成本摊销(考虑拼团带来的边际配送成本下降)、退款逆向损失等，并给出GM/CM目标区间与红线监控，3.请拆解“白领午餐x写字楼簇x雨天”的需求画像与消费任务，给出SKU池构成(主力、引流、利润、口碑SKU)与店型结构(品牌连锁/社区口碑店)，并定义供给缺口雷达与招商优先级矩阵，4.设定目标:在“拼好饭专场+搜索结果页+首页场景化模块实现品效最优。请设计场域-品类-人群的流量编排方案(排序、坑位、千人千面规则、AB指标)，并说明如何把实时成团概率与配送ETD纳入排序特征。5.设计一套多城市分层灰度:对“成团人数阈值与等待窗”进行构造化实验，明确城市/商圈/店型分层、样本量、实验周期与冷启动保护，并给出首要指标、护城河指标与失败止损线，6.在“15/19.9/23/29”四个价格锚点下，为“盖浇饭”二级类目做价格带工程:给出每个锚点的人群、份量标准、搭配规则与毛利底线，并定义**“价格力”诊断面板**。7.在PHF场景，提出一套**“内容化供给质量提升”方案:要求哪些类目强制补充实拍/明厨亮灶**、平台给予哪些流量激励、如何做抽检与汰换?

简历项目问答PPT解析优化还有什么优化agent调用工具不正确怎么办采用sft或者强化学习怎么来解决ppo算法为什么有reward model 又有critic modelfunction call能力提升采用grpo的话奖励函数怎么设计？除了结果奖励和可以怎么设计过程奖励

鼠鼠双非本，只有一段小厂实习，秋招投了也有小100家了，只有2，3家面试，中大厂都没消息，可能还是鼠鼠技术太菜了。上周也是投了家旁边的制造厂，居然6天走完流程了，也是拿到第一份offer了，虽然工资比较低，但是也很满足了，也有继续下去的勇气了，顺带问问大佬们，现在是去找个实习还是继续背八股面试呢